一种基于深度学习的油料风味产线状态监控方法与装置

本发明提供了一种基于深度学习的油料风味产线状态监控方法与装置，通过设计产线流程，采取调整物料厚度及调整出口温度等措施创造不同的工艺环境，获取足够的工艺数据和风味数据；通过回归建模获取可描述风味维度与对应工艺数据的h5模型，将模型移植入自研的边缘端控制器内参与相关风味控制；将经验转化的风味向量数据作为输入指令输入风味大模型，得到包括关于物料含水率在内的加工工艺指令；并通过自研模糊双闭环算法控制物料含水率及其他相关工艺参数，实现了根据人工选择调整油料风味和监控工艺状态的功能。本发明充分利用大数据联动风味数据与工艺数据，优化了产线，提高了生产效率，为新产品以及新工艺的应用提供了方向。